研究人员已经证明了两种机器学习技术，当结合使用这些技术来分析社交媒体帖子时，可以将临床抑郁症的早期发现比当前的最新技术提高10%。

　　该小组的成员都是西班牙阿科鲁尼亚大学的所有系，其研究成果于6月14日在线发表在《医学互联网研究杂志》上。

　　资深作者Victor Carneiro博士及其同事发现了887个人，他们在Reddit.com上的抑郁subreddit上的语言暗示可能存在严重的抑郁症。

　　其中有135个表明他们确实已被诊断出该病。这些自我报告的诊断是研究人员比较其自动化工具性能的最终结果。

　　研究人员将通过社交媒体诊断抑郁症的挑战归类为分类问题，研究人员开发了两种算法来梳理超过500,000篇文章和评论，以体现文本，语义和写作特征。

　　他们最初尝试基于单个二进制分类器和两个阈值函数(一个正值和另一个负值)的模型。由于分类器需要大量证据来确认或拒绝抑郁症的存在，因此得出的结果中等，并且费时费力。

　　性能更好的模型使用双重方法，运行一种算法来检测抑郁，另一种算法可以排除抑郁。

　　这组作者评论说：“有趣的是，写作特征对于积极模型(负责发现抑郁症)以及语义相似性和文本相似性(尽管仅限于后期文本领域)变得至关重要。” “相反，否定模型(预测非抑郁症病例)可以遵循基于语义或文本相似性的简单得多的方法。”

　　该研究的对照组由随机选择的一个大的“ Redditors”子集组成，其中包括一些自我报告没有抑郁症诊断但仍活跃于抑郁症subreddit的人。

　　“与[当前]最先进的检测模型相比，我们的结果表明对偶模型如何能够将性能提高多达10%以上，” Carneiro等人。总结。“我们认为这些结果可以帮助开发新的工具来识别高危人群，从而使那些患有抑郁症的人能够被发现并尽快得到治疗。”

　　作者计划针对其双重方法研究不同的模型组合，“重点关注新的机器学习算法和功能集。”

　　责任编辑:张华